柱塞泵泄漏故障智能诊断系统研究
| 1 绪论 | 第1-11页 |
| 1．1 研究机械设备故障诊断技术的意义 | 第6页 |
| 1．2 设备故障诊断技术的国内外发展状况 | 第6-8页 |
| 1．3 设备故障诊断的三类方法 | 第8-9页 |
| 1．4 本文的工程背景 | 第9页 |
| 1．5 本文的主要工作 | 第9-11页 |
| 2 柱塞泵泄漏故障的特征提取 | 第11-30页 |
| 2．1 机械设备故障诊断与信号处理 | 第11页 |
| 2．2 几种典型信号处理方法 | 第11-16页 |
| 2．2．1 相关分析 | 第11-12页 |
| 2．2．2 频谱分析 | 第12-14页 |
| 2．2．3 倒频谱分析 | 第14-16页 |
| 2．2．4 其他几种信号处理技术 | 第16页 |
| 2．3 谏壁发电厂柱塞泵泄漏故障的分析 | 第16-21页 |
| 2．3．1 故障简介 | 第16-17页 |
| 2．3．2 现场实验数据分析 | 第17-20页 |
| 2．3．2．1 时域信号波形 | 第17-18页 |
| 2．3．2．2 实验数据相关分析 | 第18-19页 |
| 2．3．2．3 实验数据功率谱分析 | 第19-20页 |
| 2．3．2．4 实验数据倒频谱分析 | 第20页 |
| 2．3．3 初步结论 | 第20-21页 |
| 2．4 小波分析简介 | 第21页 |
| 2．5 小波分析数学原理 | 第21-25页 |
| 2．6 小波分析用于故障诊断 | 第25-26页 |
| 2．7 柱塞泵泄漏故障的声信号特征提取 | 第26-28页 |
| 2．8 小结 | 第28-30页 |
| 3 神经网络与故障诊断 | 第30-41页 |
| 3．1 神经网络的特征 | 第30-31页 |
| 3．2 神经网络数学模型 | 第31-35页 |
| 3．3 几种典型的神经网络模型 | 第35-36页 |
| 3．4 神经网络用于故障诊断 | 第36-37页 |
| 3．5 神经网络抗噪作用的仿真 | 第37-40页 |
| 3．6 小结 | 第40-41页 |
| 4 柱塞泵故障诊断的智能系统设计 | 第41-55页 |
| 4．1 设计概述 | 第41-42页 |
| 4．2 子神经网络组 | 第42-43页 |
| 4．3 故障诊断的BP网络设计 | 第43-47页 |
| 4．4 柱塞泵泄漏故障诊断系统的软件实现 | 第47-52页 |
| 4．5 实验数据识别结果 | 第52-53页 |
| 4．6 完善智能诊断系统 | 第53-54页 |
| 4．7 小结 | 第54-55页 |
| 结束语 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
